Большинство современных роботов принимают свои решения на основе обработки визуальных данных, что серьезно ограничивает их возможности. Конструкторы пришли к выводу, что для того, чтобы роботы смогли эффективно выполнять все более сложные задачи, их необходимо наделить чувством осязания, то есть способностью в режиме реального времени правильно обрабатывать информацию, поступающую с соответствующих сенсоров.
Серьезных успехов в указанном направлении удалось добиться команда из Национального университета Сингапура (National University of Singapore, NUS).
Ученые из NUS применили усовершенствованную искусственную кожу, известную как Asynchronous Coded Electronic Skin (ACES), разработанную специалистами самого сингапурского института в 2019 году. Основанный на данном материале датчик способен обнаруживать прикосновения более чем в 1000 раз быстрее, чем сенсорная нервная система человека. То есть он может определять форму, текстуру и твердость объектов в 10 раз быстрее, чем время моргания человеческого глаза.
Создание сверхбыстрого датчика на основе искусственной кожи решило примерно половину головоломки. В дополнение к этом потребовался искусственный мозг, который в конечном итоге может достичь нужного уровня восприятия и обучения всей системы. Для этого был задействован нейроморфный чип Intel, доступный сингапурскому научному заведению как участнику исследовательского сообщества Intel Neuromorphic Research Community (INRC).
В своих первоначальных экспериментах исследователи оценили эффективность считывания шрифта Брайля искусственной рукой. Данные с ее сенсоров передавались в облако, где микроудары преобразовывались в семантическое значение. В итоге удалось добиться точности в 92%, при этом энергозатраты нейроморфного чипа оказались в 20 раз меньше энергии, которую на аналогичные вычисления потратил бы обычный микропроцессор.
Следующей задачей стала классификация роботом, подключенным к нейросети, свойств различных непрозрачных контейнеров, содержащих различное количество жидкости. У системы с тактильными датчиками качество классификации оказалось на 10% лучше, чем у той, что ориентировалась только на компьютерное зрение. Быстродействие нейроморфного процессора при этом оказалось на 21% выше, чем у графического чипа.
Исследование было поддержано Национальным офисом робототехники Сингапура (NR2PO), учреждением, которое поддерживает экосистему робототехники в стране, спонсируя разработки, которые можно использовать в госсекторе и бизнесе. В NUS полагают, что на базе проведенных исследований смогут создать решения для логистики и пищевой промышленности, где существует высокий спрос на роботизированную автоматизацию, особенно в эпоху после COVID.
